INTRODUCTION AU FILTRAGE PARTICULAIRE. APPLICATIONS
Topic: All
Séance du jeudi 2 décembre 2010, Salle L 109, 14h.
Christian Musso, maître de recherches ONERA/DTIM/EVS
Nous introduisons le formalisme bayésien dans un cadre non linéaire : équation d'évolution (markovienne) et équation de mesure. À l'image du filtre de Kalman, la densité conditionnelle est obtenue en deux étapes : l'étape de prédiction et l'étape de correction. Nous présentons quelques résultats théoriques sur la convergence du filtre approché ainsi que les problèmes de divergence que l'on peut rencontrer. Quelques algorithmes, qui atténuent ces problèmes, sont exposés . Enfin, nous montrons quelques applications du filtrage particulaire (intégration longue pour le GPS, recalage altimétrique, pistage).
Informations : Jean LÉVINE (01 64 69 48 58), Nicolas PETIT (01 40 51 93 30), Laurent PRALY (01 64 69 48 63).
Download PDF
Christian Musso, maître de recherches ONERA/DTIM/EVS
Nous introduisons le formalisme bayésien dans un cadre non linéaire : équation d'évolution (markovienne) et équation de mesure. À l'image du filtre de Kalman, la densité conditionnelle est obtenue en deux étapes : l'étape de prédiction et l'étape de correction. Nous présentons quelques résultats théoriques sur la convergence du filtre approché ainsi que les problèmes de divergence que l'on peut rencontrer. Quelques algorithmes, qui atténuent ces problèmes, sont exposés . Enfin, nous montrons quelques applications du filtrage particulaire (intégration longue pour le GPS, recalage altimétrique, pistage).
Informations : Jean LÉVINE (01 64 69 48 58), Nicolas PETIT (01 40 51 93 30), Laurent PRALY (01 64 69 48 63).
Download PDF